Urinary stone classification by using deep learning techniques
Derin öğrenme teknikleri kullanılarak idrar taşı sınıflandırması
- Tez No: 1011821
- Danışmanlar: PROF. DR. MEHMET SÜLEYMAN ÜNLÜTÜRK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bilgisayar destekli teşhis, Evrişimli sinir ağları, Çoklu sınıflandırma, Computer assisted diagnosis, Convolutional neural networks, Multi classification
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Yaşar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Üriner sistem taş hastalığı, etkili tedavi planlaması ve nüks önleme için taş bileşiminin doğru belirlenmesini gerektiren yaygın bir klinik durumdur. X-ışını kırınımı, kızılötesi spektroskopi ve stereomikroskobik inceleme gibi geleneksel analiz yöntemleri genellikle zaman alıcıdır, özel ekipman gerektirir ve analist bağımlı yorumlama nedeniyle öznellik içerebilir. Bu tez, mikroskobik kristal görüntülerinden üriner taşların biyokimyasal bileşimini sınıflandırmak için otomatik bir derin öğrenme tabanlı karar destek sistemi sunmaktadır. Veri seti, Ege Üniversitesi Tıp Fakültesi Çocuk Cerrahisi Birimi tarafından altı yıl boyunca (2018-2024) toplanan on kristal kategorisini (triple fosfat, ürik asit, kalsiyum oksalat dihidrat, kalsiyum oksalat monohidrat, sistin, amonyum ürat, kalsiyum bilirübinat, amorf, kolesterol ve kalsiyum ürat) kapsayan 2.977 mikroskobik görüntüden oluşmaktadır. Mikroskobik görüntülemenin doğasından kaynaklanan zorlukları ele almak için adaptif histogram eşitleme (CLAHE) kullanılarak kontrast iyileştirme, çok aşamalı gürültü azaltma ve arka plan düzeltmesi içeren kapsamlı bir ön işleme hattı uygulanmıştır. Önerilen çözüm, üç tamamlayıcı mimariyi entegre eden bir topluluk öğrenme çerçevesi kullanmaktadır: Vision Transformer (ViT), EfficientNetV2-S ve ConvNeXt. Bu tasarım, ViT'nin global alıcı alanı ve dikkat mekanizmalarından, EfficientNetV2'nin hesaplama verimliliğinden ve ConvNeXt'in modern evrişimsel iyileştirmelerinden yararlanmaktadır. Sınırlı veri seti boyutunu ele almak için ImageNet önceden eğitilmiş ağırlıklarla transfer öğrenme kullanılmış, ardından alana özgü ince ayar yapılmıştır. Model genellemesini artırmak için geometrik dönüşümler ve fotometrik ayarlamalar dahil veri artırma stratejileri uygulanmıştır. Deneysel sonuçlar, topluluk modelinin bireysel mimarilere kıyasla üstün performans gösterdiğini ortaya koymaktadır; %91,96 doğruluk, 0,9079 F1-skoru, 0,9491 makro-kesinlik ve 0,8604 makro-duyarlılık elde edilmiştir. Topluluk stratejisi, özellikle örtüşen morfolojik özelliklere sahip zorlu sınıflar için sınıflandırma hatalarını etkili bir şekilde azaltmaktadır. Bu bulgular, transformatör tabanlı ve evrişimsel mimarilerin entegrasyonunun model sinerjisi yoluyla sınıflandırma güvenilirliğini artırdığını doğrulamakta ve üriner taş yönetiminde klinik karar verme için sağlam, hızlı ve tekrarlanabilir bir tanısal destek aracı sunmaktadır.
Özet (Çeviri)
Urinary stone disease is a prevalent clinical condition requiring accurate determination of stone composition for effective treatment planning and recurrence prevention. Traditional analysis methods, including X-ray diffraction, infrared spectroscopy, and stereomicroscopic examination, are often time-consuming, require specialized equipment, and may introduce subjectivity due to analyst-dependent interpretation. This thesis presents an automated deep learning-based decision support system for classifying the biochemical composition of urinary stones from microscopic crystal images. The dataset comprises 2,977 microscopic images spanning ten crystal categories (triple phosphate, uric acid, calcium oxalate dihydrate, calcium oxalate monohydrate, cystine, ammonium urate, calcium bilirubinate, amorphous, cholesterol, and calcium urate) collected over six years (2018-2024) by the Pediatric Surgery Unit at Ege University Faculty of Medicine. A comprehensive preprocessing pipeline was implemented, including contrast enhancement using adaptive histogram equalization (CLAHE), multi-stage noise reduction, and background correction to address the inherent challenges of microscopic imaging. The proposed solution employs an ensemble learning framework integrating three complementary architectures: Vision Transformer (ViT), EfficientNetV2-Small (EfficientNetV2-S), and ConvNeXt. This design leverages the global receptive field and attention mechanisms of ViT, the computational efficiency of EfficientNetV2, and the modern convolutional refinements of ConvNeXt. Transfer learning using ImageNet-pretrained weights was employed to address the limited dataset size, followed by domain-specific fine-tuning. Data augmentation strategies, including geometric transformations and photometric adjustments, were applied to enhance model generalization. Experimental results demonstrate that the ensemble model achieves superior performance compared to individual architectures, attaining 91.96% accuracy, 0.9079 F1-score, 0.9491 macro-precision, and 0.8604 macro-recall. The ensemble strategy effectively reduces classification errors, particularly for challenging classes with overlapping morphological features. These findings affirm that integrating transformer-based and convolutional architectures enhances classification reliability through model synergy, offering a robust, rapid, and reproducible diagnostic support tool for clinical decision-making in urinary stone management.
Benzer Tezler
- Türk ırkında renal calyxlerin üreteropelvik açı, infundibulopelvik açı, üreter çap ve sampaio sınıflamasına göre değerlendirilmesinin cinsiyet açısından farklılıklarının araştırılması
Investigation of the gender-based differences in evaluation of renal calyces in turkish race by ureteropelvic angle, infundibulopelvic angle, ureter diameter and sampaio classification
İLKNUR ÖLKER
Yüksek Lisans
Türkçe
2019
Anatomiİstanbul Medipol ÜniversitesiAnatomi Ana Bilim Dalı
PROF. DR. BAYRAM UFUK ŞAKUL
- Üreterorenoskopi sırasında üreter yaralanmalarının değerlendirilmesi, sınıflanması ve yaralanmayı etkileyen faktörlerin araştırılması
Objective parameters for the classification of ureteral injuries , and intra- and postoperative complications using the postüreteroscopic lesion scale (PLUS) system for ureteroscopy (URS) treatment
ŞAKİR ESER
Tıpta Uzmanlık
Türkçe
2014
ÜrolojiNecmettin Erbakan ÜniversitesiÜroloji Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET MESUT PİŞKİN
- Üriner sistem taş hastalığının cerrahi tedavisinde başarıyı ve komplikasyonları öngörmede yapay zekâ uygulamalarının kullanımı
Use of artificial intelligenceapplications in prediction of success and complications in the surgical treatment of urinary stone disease
FERHAT ÇOBAN
Tıpta Uzmanlık
Türkçe
2022
ÜrolojiAdıyaman ÜniversitesiÜroloji Ana Bilim Dalı
DOÇ. DR. ALİ ÇİFT
ÖĞR. GÖR. HÜSEYİN KUTLU
- Ürolitiyazisli çocuklarda adım adım ve konvansiyonel şok dalga litotripsinin karşılaştırılması
Comparison of cınventional and step-wise lithotripsy in pediatric urolithiazis
MEHMET ALİ ERGÜL
- Perkütan nefrolitotomi sonuçlarını öngörmede preoperatif parametrelerin değerlendirilmesi
Evaluation of preoperative parameters to predict the success of percutaneous nephrolithotomy
SEYİT HALİL BATUHAN YILMAZ